百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 技术文章 > 正文

python基础函数(python基础函数易错)

itomcoil 2025-03-29 18:46 16 浏览

Python 函数是代码复用的核心工具,掌握基础函数的使用是编程的关键。以下是 Python 函数的系统总结,包含 内置函数自定义函数 的详细用法,以及实际应用场景。


一、Python 内置函数(常用精选)

以下是最常用的 20 个内置函数(Python 3.12 共 73 个内置函数):

函数

作用描述

示例

print()

输出内容

print("Hello", end=" ")

len()

获取对象长度

len([1,2,3]) → 3

range()

生成整数序列

list(range(1,5)) → [1,2,3,4]

input()

获取用户输入

name = input("姓名:")

type()

返回对象类型

type(10) →

int()/float()/str()

类型转换

str(3.14) → "3.14"

sum()

计算可迭代对象总和

sum([1,2,3]) → 6

max()/min()

找最大/最小值

max("Python") → 'y'

sorted()

排序可迭代对象

sorted([3,1,2], reverse=True) → [3,2,1]

enumerate()

添加索引的迭代器

list(enumerate(['a','b'])) → [(0,'a'), (1,'b')]

zip()

并行迭代多个可迭代对象

list(zip([1,2], ['a','b'])) → [(1,'a'), (2,'b')]

open()

打开文件

with open('file.txt', 'r') as f: ...

abs()

绝对值

abs(-10) → 10

round()

四舍五入

round(3.1415, 2) → 3.14

dir()

查看对象属性和方法

dir(list)

isinstance()

检查对象类型

isinstance(10, int) → True

format()

格式化字符串

format(3.1415, ".2f") → '3.14'

help()

查看帮助文档

help(str.split)


二、自定义函数

1. 基础定义

def greet(name="匿名用户"):
    """返回问候语(文档字符串示例)"""
    return f"你好,{name}!"

print(greet("小明"))  # 输出:你好,小明!
print(greet())       # 输出:你好,匿名用户!

2. 参数类型详解

  • 位置参数:必须按顺序传递
  • 关键字参数:通过参数名指定
  • 默认参数:定义时指定默认值
  • 可变参数
# *args 接收元组形式的位置参数
def sum_numbers(*args):
    return sum(args)

print(sum_numbers(1, 2, 3))  # 输出:6

# **kwargs 接收字典形式的关键字参数
def show_info(**kwargs):
    for key, value in kwargs.items():
        print(f"{key}: {value}")

show_info(name="小明", age=18)

3. 返回值

  • 可返回多个值(实际返回元组):
def calculate(a, b):
    return a+b, a-b, a*b

add, sub, mul = calculate(5, 3)
print(add)  # 输出:8

三、作用域规则

  • LEGB 规则
  • Local(局部作用域)
  • Enclosing(闭包函数外的函数)
  • Global(全局作用域)
  • Built-in(内置作用域)
x = 10  # 全局变量

def test_scope():
    x = 20  # 局部变量
    print("内部:", x)  # 输出 20

test_scope()
print("外部:", x)  # 输出 10

四、Lambda 匿名函数

# 简单数学运算
square = lambda x: x**2
print(square(5))  # 输出:25

# 配合高阶函数使用
numbers = [1, 5, 3, 8]
sorted_numbers = sorted(numbers, key=lambda x: -x)
print(sorted_numbers)  # 输出:[8, 5, 3, 1]

五、函数高级技巧

1. 装饰器(Decorator)

def timer(func):
    """计算函数执行时间的装饰器"""
    import time
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        end = time.time()
        print(f"{func.__name__} 执行耗时: {end-start:.2f}秒")
        return result
    return wrapper

@timer
def long_operation():
    import time
    time.sleep(2)

long_operation()  # 输出:long_operation 执行耗时: 2.00秒

2. 闭包(Closure)

def power_factory(exp):
    """生成指定次方的计算函数"""
    def calculator(base):
        return base ** exp
    return calculator

square = power_factory(2)
cube = power_factory(3)

print(square(5))  # 输出:25
print(cube(3))    # 输出:27

六、实际应用案例

1. 文件批量处理

import os

def batch_rename(folder, prefix):
    """批量重命名文件夹内的文件"""
    for index, filename in enumerate(os.listdir(folder)):
        ext = os.path.splitext(filename)[1]
        old_path = os.path.join(folder, filename)
        new_name = f"{prefix}_{index+1}{ext}"
        new_path = os.path.join(folder, new_name)
        os.rename(old_path, new_path)

batch_rename("./photos", "vacation")

2. 简易计算器

def calculator():
    """命令行交互式计算器"""
    while True:
        try:
            expr = input("输入表达式 (或 q 退出): ")
            if expr.lower() == 'q':
                break
            result = eval(expr)  # 注意:实际应用中慎用 eval
            print(f"结果: {result}")
        except:
            print("输入无效,请重试")

calculator()

常见错误解决

  1. TypeError: missing 1 required positional argument
    原因:函数调用时缺少必要参数
    解决:检查参数是否全部传递或设置默认值
  2. UnboundLocalError
    原因:在函数内修改了全局变量
    解决:使用 global 关键字声明全局变量
  3. 装饰器忘记返回函数
    错误写法:
def decorator(func):
    func()  # 错误!直接执行了函数
  1. 正确写法:
def decorator(func):
    def wrapper():
        # 添加装饰逻辑
        return func()
    return wrapper

掌握这些函数知识后,可以尝试:

  • 将重复代码封装成函数
  • 用函数实现游戏逻辑(如猜数字游戏)
  • 编写文件处理工具函数
  • 创建数据分析专用函数库

相关推荐

最强聚类模型,层次聚类 !!_层次聚类的优缺点

哈喽,我是小白~咱们今天聊聊层次聚类,这种聚类方法在后面的使用,也是非常频繁的~首先,聚类很好理解,聚类(Clustering)就是把一堆“东西”自动分组。这些“东西”可以是人、...

python决策树用于分类和回归问题实际应用案例

决策树(DecisionTrees)通过树状结构进行决策,在每个节点上根据特征进行分支。用于分类和回归问题。实际应用案例:预测一个顾客是否会流失。决策树是一种基于树状结构的机器学习算法,用于解决分类...

Python教程(四十五):推荐系统-个性化推荐算法

今日目标o理解推荐系统的基本概念和类型o掌握协同过滤算法(用户和物品)o学会基于内容的推荐方法o了解矩阵分解和深度学习推荐o掌握推荐系统评估和优化技术推荐系统概述推荐系统是信息过滤系统,用于...

简单学Python——NumPy库7——排序和去重

NumPy数组排序主要用sort方法,sort方法只能将数值按升充排列(可以用[::-1]的切片方式实现降序排序),并且不改变原数组。例如:importnumpyasnpa=np.array(...

PyTorch实战:TorchVision目标检测模型微调完

PyTorch实战:TorchVision目标检测模型微调完整教程一、什么是微调(Finetuning)?微调(Finetuning)是指在已经预训练好的模型基础上,使用自己的数据对模型进行进一步训练...

C4.5算法解释_简述c4.5算法的基本思想

C4.5算法是ID3算法的改进版,它在特征选择上采用了信息增益比来解决ID3算法对取值较多的特征有偏好的问题。C4.5算法也是一种用于决策树构建的算法,它同样基于信息熵的概念。C4.5算法的步骤如下:...

Python中的数据聚类及可视化分析实践

探索如何通过聚类分析揭露糖尿病预测数据集的特征!我们将运用Python的强力工具,深入挖掘数据,以直观的可视化揭示不同特征间的关系。一同探索聚类分析在糖尿病预测中的实践!所有这些可视化都可以通过数据操...

用Python来统计大乐透号码的概率分布

用Python来统计大乐透号码的概率分布,可以按照以下步骤进行:导入所需的库:使用Python中的numpy库生成数字序列,使用matplotlib库生成概率分布图。读取大乐透历史数据:从网络上找到大...

python:支持向量机监督学习算法用于二分类和多分类问题示例

监督学习-支持向量机(SVM)支持向量机(SupportVectorMachine,简称SVM)是一种常用的监督学习算法,用于解决分类和回归问题。SVM的目标是找到一个最优的超平面,将不同类别的...

25个例子学会Pandas Groupby 操作

groupby是Pandas在数据分析中最常用的函数之一。它用于根据给定列中的不同值对数据点(即行)进行分组,分组后的数据可以计算生成组的聚合值。如果我们有一个包含汽车品牌和价格信息的数据集,那么可以...

数据挖掘流程_数据挖掘流程主要有哪些步骤

数据挖掘流程1.了解需求,确认目标说一下几点思考方法:做什么?目的是什么?目标是什么?为什么要做?有什么价值和意义?如何去做?完整解决方案是什么?2.获取数据pandas读取数据pd.read.c...

使用Python寻找图像最常见的颜色_python 以图找图

如果我们知道图像或对象最常见的是哪种颜色,那么可以解决图像处理中的几个用例,例如在农业领域,我们可能需要确定水果的成熟度。我们可以简单地检查一下水果的颜色是否在预定的范围内,看看它是成熟的,腐烂的,还...

财务预算分析全网最佳实践:从每月分析到每天分析

原文链接如下:「链接」掌握本文的方法,你就掌握了企业预算精细化分析的能力,全网首发。数据模拟稍微有点问题,不要在意数据细节,先看下最终效果。在编制财务预算或业务预算的过程中,通常预算的所有数据都是按月...

常用数据工具去重方法_数据去重公式

在数据处理中,去除重复数据是确保数据质量和分析准确性的关键步骤。特别是在处理多列数据时,保留唯一值组合能够有效清理数据集,避免冗余信息对分析结果的干扰。不同的工具和编程语言提供了多种方法来实现多列去重...

Python教程(四十):PyTorch深度学习-动态计算图

今日目标o理解PyTorch的基本概念和动态计算图o掌握PyTorch张量操作和自动求导o学会构建神经网络模型o了解PyTorch的高级特性o掌握模型训练和部署PyTorch概述PyTorc...